EEMD方法及在機械故障診斷中的套用

《EEMD方法及在機械故障診斷中的套用》是2015年10月國防工業出版社出版的圖書，作者是張梅軍、唐建、何曉暉。

基本介紹

• 中文名：EEMD方法及在機械故障診斷中的套用
• 作者：張梅軍、唐建、何曉暉
• ISBN：978-7-118-10479-0
• 頁數：174
• 定價：46.00元
• 出版社：國防工業出版社
• 出版時間：2015年10月
• 裝幀：平裝
• 開本：16
• 版次：1版1次

內容簡介

本書是在國家自然科學基金項目“基於EEMD 的液壓系統故障診斷方法研究” （編號：51175511）的基礎上完成的，是研究機械信號特徵提取、機械故障診斷及智慧型診斷方面的學術專著。EEMD 方法作為一種全新的信號分析技術，在研究信號的局部特徵方面具有獨特的優越性，非常適合處理非線性、非平穩信號，是目前國內外機械故障診斷研究的新方法。全書共分7 章，第1 章EMD 方法，第2 章EEMD 方法，第3 章EEMD 改進方法，第4 章SVRM 延拓的影響分析，第5 章EEMD 方法的套用，第6 章SVM 智慧型診斷理論及參數最佳化，第7 章EEMD 與SVM 結合的智慧型診斷套用。本書可供高等院校機械相關專業教師、研究生和高年級學生閱讀，還可供從事信號處理和機械故障診斷的科研人員參考。

圖書目錄

第1章EMD方法

1.1內稟模態函式1

1.1.1EMD分解過程2

1.1.2EMD篩分終止條件5

1.2Hilbert變換和Hilbert譜6

1.3EMD的特點和存在的問題7

1.3.1EMD的特點7

1.3.2EMD存在的問題8

1.4端點效應和信號延拓12

1.4.1波形匹配延拓法12

1.4.2極值延拓法14

1.4.3數據預測延拓法15

第2章EEMD方法

2.1EEMD方法概述17

2.2EEMD方法的優點及存在的問題19

2.2.1EEMD方法的優點20

2.2.2EEMD存在的問題23

2.3EEMD方法改進效果的評價方法26

2.3.1仿真信號EEMD改進評價方法26

2.3.2實測信號EEMD改進評價方法27

第3章EEMD改進方法

3.1EEMD降噪29

3.1.1EEMD閾值降噪30

3.1.2EEMD自相關降噪32

3.1.3EEMD奇異值差分譜降噪34

3.2基於頻率截止的EEMD算法改進38

3.2.1基於頻率截止的EEMD算法改進方法38

3.2.2仿真信號驗證39

3.2.3實測信號驗證43

3.3改進三次樣條插值的EMD（EEMD）方法46

3.3.1常用插值函式擬合效果分析46

3.3.2基於極值中心三次樣條插值的改進EMD（EEMD）方法48

3.3.3極值中心三次樣條插值的實例分析49

3.3.4包絡能量閾值法56

3.4EEMD的端點延拓方法60

3.4.1基於支持向量回歸機的EEMD延拓方法60

3.4.2基於極值點SVRM的EEMD延拓方法63

3.4.3基於極值波延拓的EEMD端點效應處理方法69

3.5EEMD的虛假IMF分量識別76

3.5.1基於時域互相關係數的EEMD虛假IMF分量識別77

3.5.2基於頻域互相關係數的EEMD虛假IMF分量識別79

3.5.3能量熵增量的EEMD虛假IMF分量識別82

第4章SVRM延拓的影響分析

4.1SVRM預測長度的影響85

4.1.1預測長度對預測精度的影響85

4.1.2預測長度對運算效率的影響86

4.2SVRM樣本點數的影響88

4.2.1樣本點數對預測精度的影響88

4.2.2樣本點數對運算效率的影響89

4.3信號採樣頻率的影響89

4.4信號複雜性的影響90

第5章EEMD方法的套用

5.1改進EEMD在信號趨勢分析中的套用92

5.1.1改進的EEMD分解與小波分解提取趨勢項的比較92

5.1.2改進的EEMD分解與EMD、EEMD分解提取趨勢項的比較94

5.2改進的EEMD在調製信號分析中的套用96

5.2.1改進的EEMD在調幅信號中的套用97

5.2.2改進的EEMD在調頻信號中的套用98

5.2.3改進的EEMD在幅頻調製信號中的套用98

5.3改進的EEMD在信號奇異性檢測中的套用99

5.3.1FFT時頻分析在信號奇異性檢測中的套用99

5.3.2STFT時頻分析在信號奇異性檢測中的套用99

5.3.3WVD時頻分析在信號奇異性檢測中的套用99

5.3.4WT時頻分析在信號奇異性檢測中的套用1

5.3.5EMD時頻分析在信號奇異性檢測中的套用101

5.3.6EEMD時頻分析在信號奇異性檢測中的套用101

5.3.7改進的EEMD時頻分析在信號奇異性檢測中的套用102

5.4改進的EEMD在機械故障診斷中的套用102

5.4.1改進的EEMD在軸承故障診斷中的套用103

5.4.2改進的EEMD在液壓系統故障診斷中的套用105

第6章SVM智慧型診斷理論及參數最佳化

6.1SVM理論112

6.1.1統計學習基本理論112

6.1.2SVM原理114

6.2SVM的分類115

6.2.1最大間隔分類SVM115

6.2.2軟間隔分類SVM117

6.2.3基於核的SVM118

6.3SVM多分類器算法119

6.3.1“一對多”多分類算法120

6.3.2“一對一”多分類算法120

6.3.3層次多分類算法121

6.4SVM參數的優選121

6.4.1SVM參數優選的格線尋優法121

6.4.2SVM參數優選的粒子群算法(PSO)122

6.4.3SVM參數優選的遺傳算法(GA)124

6.4.4SVM的最佳化對分類的影響126

6.5各參數對SVM分類的影響130

6.5.1特徵向量維數對分類的影響130

6.5.2樣本變化對分類的影響131

第7章EEMD與SVM結合的智慧型診斷方法

7.1EEMD與SVM結合的智慧型診斷方法134

7.2EEMD與SVM結合的高維大樣本二分類故障識別135

7.2.1EEMD與SVM結合的軸承故障高維大樣本二分類識別135

7.2.2EEMD與SVM結合的液壓故障高維大樣本二分類識別141

7.3EEMD與SVM結合的低維小樣本二分類故障識別149

7.3.1EEMD與SVM結合的軸承故障低維小樣本識別149

7.3.2EEMD與GA-SVM結合的液壓故障低維小樣本識別150

7.4EEMD與SVM結合的超低維小樣本二分類識別152

7.4.1EEMD與SVM結合的液壓衝擊故障超低維小樣本識別152

7.4.2EEMD和GA-SVM結合的液壓故障超低維小樣本二分類識別158

7.4.3EEMD與SVM結合的軸承故障超低維小樣本識別159

7.5EEMD與SVM結合的多分類故障識別161

7.5.1EEMD與SVM結合的液壓故障高維大樣本多分類識別161

7.5.2EEMD與SVM結合的液壓故障超低維超小樣本多分類識別163

7.5.3EEMD與SVM結合的液壓泄漏故障高維大樣本多分類識別164

7.5.4EEMD與SVM結合的液壓泄漏故障超低維超小樣本多分類識別166

7.5.5EEMD與SVM結合的液壓衝擊故障高維大樣本多分類識別168

7.5.6EEMD與SVM結合的軸承故障超低維超小樣本多分類識別169

參考文獻172